基于高斯混合模型的红外运动目标检测算法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 课题研究的背景和意义 | 第8页 |
| 1.2 课题研究的内容 | 第8-9页 |
| 1.3 国内外研究发展及现状 | 第9-10页 |
| 1.4 课题研究主要工作 | 第10-12页 |
| 2 红外图像去噪 | 第12-29页 |
| 2.1 常见噪声种类 | 第12-13页 |
| 2.2 图像去噪方法概述 | 第13-15页 |
| 2.2.1 空间域去噪方法 | 第13-14页 |
| 2.2.2 变换域去噪方法 | 第14-15页 |
| 2.3 二维经验模态分解算法 | 第15-20页 |
| 2.3.1 一维经验模态分解 | 第15-17页 |
| 2.3.2 二维经验模态分解 | 第17-20页 |
| 2.4 基于二维经验模态的红外图像去噪算法 | 第20-27页 |
| 2.4.1 基于小波变换的噪声估计 | 第20-21页 |
| 2.4.2 基于高斯混合模型的噪声估计 | 第21-23页 |
| 2.4.3 实验步骤及结果分析 | 第23-27页 |
| 2.5 本章小结 | 第27-29页 |
| 3 红外运动目标检测 | 第29-37页 |
| 3.1 运动目标检测的基本方法 | 第29-33页 |
| 3.1.1 光流法 | 第29-30页 |
| 3.1.2 图像差分法 | 第30-31页 |
| 3.1.3 背景差分法 | 第31-33页 |
| 3.2 基于高斯混合模型的红外目标检测 | 第33-36页 |
| 3.2.1 单高斯模型检测算法 | 第33-34页 |
| 3.2.2 混合高斯模型检测算法 | 第34-36页 |
| 3.3 本章小结 | 第36-37页 |
| 4 改进的高斯混合模型检测算法 | 第37-47页 |
| 4.1 分区域学习率更新 | 第37-41页 |
| 4.1.1 图像差异性评价方法 | 第37-38页 |
| 4.1.2 基于结构相似度的区域划分 | 第38-41页 |
| 4.2 完整目标区域提取 | 第41-45页 |
| 4.2.1 边缘检测算法 | 第41-42页 |
| 4.2.2 数学形态学 | 第42-43页 |
| 4.2.3 分水岭算法 | 第43-44页 |
| 4.2.4 实验步骤及结果分析 | 第44-45页 |
| 4.3 本章小结 | 第45-47页 |
| 5 红外运动目标分割 | 第47-62页 |
| 5.1 分割算法简介 | 第47-48页 |
| 5.2 基于脉冲耦合神经网络的分割算法 | 第48-54页 |
| 5.2.1 脉冲耦合神经网络模型 | 第48-49页 |
| 5.2.2 基于能量梯度场的 PCNN 分割方法 | 第49-52页 |
| 5.2.3 图像分割步骤 | 第52-54页 |
| 5.3 基于 PCNN 的红外运动目标分割 | 第54-60页 |
| 5.3.1 算法实现步骤 | 第54-56页 |
| 5.3.2 实验结果分析 | 第56-60页 |
| 5.4 系统界面 | 第60页 |
| 5.5 本章小结 | 第60-62页 |
| 6 结论与展望 | 第62-64页 |
| 6.1 结论 | 第62页 |
| 6.2 展望 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 在学研究成果 | 第69-70页 |
| 致谢 | 第70页 |
